Evaluating the Effectiveness of Regional Lockdown Policies in the Containment of Covid-19: Evidence from Pakistan
为了减缓新型冠状病毒的传播，巴基斯坦境内的行政区域对社会经济活动、宗教集会和人员流动实施了完全和部分封锁限制。在此，我们探讨了区域封锁策略对新型冠状病毒疫情结果的影响。在对巴基斯坦国家卫生研究院（NIH）的官方数据进行计量经济学分析（不连续回归和负二项回归）后，我们发现这些策略并没有在所有地区导致类似水平的新冠肺炎病例（阳性病例和死亡）。在减少总体病例量（阳性病例和死亡）方面，与没有封锁相比，完全和部分封锁似乎在四个地区有效：俾路支省，<$git Baltistan（GT），伊斯兰堡首都直辖区（ICT）以及Azad Jammu和克什米尔（AJK）。在旁遮普省、信德省和开伯尔-普赫图赫瓦省这三个最大的省份，完全和部分封锁似乎无法有效遏制病毒。所观察到的封锁有效性的区域异质性主张根据人口、社会和经济因素谨慎使用封锁战略。
2020-06-04 econ.EM physics.soc-ph q-bio.PE
Evidence of economic segregation from mobility lockdown during COVID-19 epidemic
为应对COVID-19疫情，各国政府已实施封锁限制以降低感染率。我们对Facebook提供的近实时意大利数据进行了大量分析，以调查封锁策略如何影响个人和地方政府的经济状况。我们将流动性的变化建模为类似于自然灾害的外生冲击。我们确定了两种方式，通过流动性限制影响意大利公民。首先，我们发现封锁的影响在财政能力较高的城市更强。其次，我们发现了隔离效应，因为流动性限制在不平等程度较高的城市和人均收入较低的城市更强。
2020-04-11 cs.SI physics.soc-ph
Modeling and forecasting the COVID-19 temporal spread in Greece: an exploratory approach based on complex network defined splines
在抗COVID-19健康管理的复杂框架内，各国的诊断检测标准、公共卫生资源和服务的可用性以及所应用的抗COVID-19政策各不相同，时间传播建模的可靠性和准确性可以证明在全球抗击疾病方面是有效的。本文对希腊的疾病演变进行了探索性的时间序列分析，这是目前COVID-19管理的成功案例。该方法建立在最近的概念化检测连接社区的时间序列，并开发了一种新的样条回归模型，其中节点向量是由社区检测在复杂的网络。总体而言，该研究通过提出一个无间断的过去数据和可靠的预测框架，有助于COVID-19研究，这可以促进可用卫生资源的决策和管理。
2020-05-03 physics.soc-ph
Cyclical lock-down and the economic activity along the pandemic of COVID-19
调查的重点是控制COVID-19蔓延的开关协议。该议定书规定所有公民的工作时间为4天，然后是8天的封锁。我们进一步建议将人们分成更小的群体，这些群体经历开-关协议，但在时间上发生了变化。预计这一程序将规范整个经济活动。我们的研究结果表明，无论是对协议和分组减少感染人数。然而，从经济上看，后者似乎更好。我们的模拟进一步表明，启动时间是一个关键问题的成功实施。
2020-06-02 physics.soc-ph q-bio.PE
Optimal Lockdown Policy for Covid-19: A Modelling Study
随着COVID 19在全球蔓延，预防措施正成为危机时期抗击疫情的重要武器。封锁措施是最具争议性的措施，因为它对我们的经济和社会造成了巨大的影响。特别是考虑到经济和流行病学成本，何时以及如何执行封锁措施是最具挑战性的问题。在本文中，我们扩展了经典的SIR模型，以寻找在COVID-19爆发期间平衡经济和人民健康的最优决策。在我们的模型中，我们打算解决一个两阶段的优化问题：政策制定者控制封锁率，以最大限度地提高社会的整体福利;人们在不同的健康状况采取不同的决定，他们的工作时间和消费，以最大限度地提高他们的效用。我们开发了一种新的方法来估计模型的参数，通过各种额外的数据源。我们使用古诺均衡来模拟人们的行为，并考虑死亡的成本，以便在经济和流行病成本之间进行杠杆作用。对模拟结果的分析为政策制定者就何时开始封锁以及在整个疫情期间封锁的强度做出关键决策提供了科学建议。虽然该模型最初是针对COVID-19大流行提出的，但它可以推广到解决类似问题，以通过封锁措施控制其他传染病的爆发。
2021-01-31 math.DS physics.soc-ph
Understanding spatial propagation using metric geometry with application to the spread of COVID-19 in the United States
本文介绍了一种使用度量几何进行时空数据分析的新方法，以研究COVID-19在美国的传播。使用测地线Wasserstein度量，我们分析的密度函数之间的差异，新的情况下计数在任何给定的一天，将地理传播的情况下。首先，我们应用这一点来识别COVID-19地理分布变化最深刻的时期。最大的转变发生在2020年5月至6月，当时COVID-19从主要控制东北部各州转变为全国范围内的更广泛分布。我们以分布的测地方差程度的新量度支持我们的发现，证明COVID-19的地理印记最集中于二零二零年五月。接下来，我们研究了这种流行病是否表现出有意义的空间逆转模式，即类似的地理分布稍后会恢复。我们发现，COVID-19在美国的第二波和第三波传播之间存在广泛的相似性，在较小程度上，第一波东北部主导地位的重新出现更接近今天。这种方法可以为分析人员提供新的见解，以监测流行病的动态传播，并使区域决策者能够保护他们的地方。更广泛地说，我们介绍的框架可以应用于随着时间和空间的变化而变化的各种问题。
2021-11-05 physics.soc-ph
Spatial analysis and prediction of COVID-19 spread in South Africa after lockdown
COVID-19对南非有什么影响？本文旨在协助研究人员和决策者以南非为重点对抗COVID-19大流行。本文通过热点区域的热图检索和Moran指数的空间分析，重点关注疾病的传播。为了捕捉南非各省之间的空间自相关，相邻的，以及地理距离的措施，被用作绝对和相对计数的权重矩阵。此外，广义逻辑增长曲线模型用于预测COVID-19传播。我们希望这种数据驱动的建模能够为热点识别和控制病毒传播的及时行动提供一些见解。
2020-05-19 physics.soc-ph stat.ME
Modeling Control, Lockdown \& Exit Strategies for COVID-19 Pandemic in India
COVID-19是一种病毒性传染病，已迅速成为全球大流行病，感染了数百万人，全球死亡人数众多。这种疾病的症状差别很大。根据症状，感染者大致分为两类，即无症状和有症状。无症状的人表现出轻微或没有症状，但继续将感染传播给其他健康的人。无症状感染的这一特殊方面构成了管理和控制传染病传播的主要障碍。在本文中，我们试图在各种干预策略下对COVID-19在印度的传播进行数学建模。我们认为SEIR型流行病学模型，与印度特定的社会接触矩阵代表接触结构之间的人口的不同年龄组。各种因素的影响，如渐近个人的存在，封锁策略，社会距离的做法，隔离，和住院的疾病传播进行了广泛的研究。我们模型的数值模拟与印度截至2020年5月15日的COVID-19真实数据相匹配，以估计模型参数。我们的分区锁定模型被认为对2020年7月20日做出了不错的预测。
2020-07-22 physics.soc-ph q-bio.PE
Did the lockdown curb the spread of COVID-19 infection rate in India: A data-driven analysis
为了分析印度连续三次全国封锁的效果，我们对四个关键参数进行了数据驱动分析，即降低传播率，抑制增长率，平坦化流行曲线和改善医疗保健系统。通过考虑四个不同的指标，即繁殖率、生长率、倍增时间和死亡与恢复比率，对这些指标进行了量化。本集团利用指数增长、最大似然估计、序贯贝叶斯方法及时间依赖性繁殖估计，分析印度COVID-19疫情（于二零二零年三月二日至二零二零年五月三十一日期间）的发病率数据，以获得与疫情曲线的最佳拟合。最佳拟合（基于所考虑的数据）是时间依赖性方法。因此，该方法用于评估对有效繁殖率的影响。从封锁前到封锁3结束的时间段，有效繁殖率下降了$45\%$。在同一时期，生长速率从锁定前的$393\%$降低至锁定3后的$33\%$，伴随着平均倍增时间从$4$ - $6$天增加至$12$ - $14$天。最后，死亡与康复比率从$0.28$（封锁前）下降到封锁3后的$0.08$。总括而言，评估封城措施成效的四项指标自封城措施前至封城措施三结束期间均出现重大有利变化。使用这些指标分析封锁后期间的数据将更清楚地说明封锁的成功程度。
2020-06-22 physics.soc-ph q-bio.PE
Covid-19 lockdown improves air quality in Morocco
由于新冠肺炎疫情，摩洛哥几乎所有非必要活动自2020年3月15日起停止。在这个意义上，已经采取了若干措施来减轻这一流行病的影响。摩洛哥自2020年3月20日起实施封锁。本文的主要目的是研究封锁措施对空气质量的影响，通过呈现PM2，5和NO2污染物的时空演变，基于Sentinel 5 P和MERRA的卫星数据。然后，将这些结果与哥白尼大气监测服务（CAMS）预测的数据进行比较。结果表明，一方面，摩洛哥的空气质量有所改善，NO2显著减少，PM2.5相对减少。另一方面，我们表明，在摩洛哥的颗粒物污染部分是由于天气天气类型，和NO2排放量的一个重要部分是传入主要来自摩洛哥北部边境以外。最后，我们表明，PM2，5 CAMS全球预测低估了观测到的MERRA数据。
2020-07-10 physics.ao-ph physics.soc-ph
Lockdown effects on air quality in megacities during the first and second waves of COVID-19 pandemic
空气污染是全世界死亡率最高的因素之一，特别是在城市地区。于二零二零年春季，多个国家实施社交距离措施，以减缓持续的COVID-19疫情。一项特别严厉的措施“封城”敦促人们留在家中，从而防止在第一波（2020年）和第二波（2021年）大流行期间出现新的COVID-19感染。反过来，它也减少了交通和工业活动。但是，这些封锁措施在多大程度上改善了大城市的空气质量，空气质量受到的影响是否存在差异？在这里，我们分析了两个大城市的数据：伦敦作为欧洲的例子，德里作为亚洲的例子。我们考虑了第一波和第二波封锁期间的数据，并将其与2019年的值进行比较。总的来说，我们发现几乎所有的空气污染物都有所减少，但到2021年，除德里外，这两个城市之间存在有趣的差异。在伦敦，尽管平均浓度较低，但我们仍然观察到高污染状态和2020年极端事件的趋势增加（封锁期间概率密度的峰度较高）以及2021年的低污染水平。对于德里，我们观察到污染浓度的大幅下降，包括2020年的高污染状态和2021年的更高污染水平。这些结果可以帮助设计改善特大城市长期空气质量的政策。
2022-08-04 physics.ao-ph physics.soc-ph
Analyzing the Dynamics of COVID-19 Lockdown Success: Insights from Regional Data and Public Health Measures
本文利用区域疫情数据识别人口密度、感染、死亡和康复等因素与封锁成败的关联，并提出未来大流行防控策略。
2024-02-25 cs.DL physics.soc-ph
COVID-19 lockdown induces disease-mitigating structural changes in mobility networks
COVID-19疫情爆发后，多个国家实施遏制措施以减少疾病传播。利用数字数据来源进行的研究表明，在多个国家，个人的流动性有效减少。然而，目前尚不清楚这些减少是否导致了移动网络更深层次的结构变化，以及这些变化如何影响网络上的动态过程。在这里，我们使用移动电话用户的移动数据来表明，德国的移动性不仅大大减少：封锁措施导致了移动网络的实质性和长期的结构性变化。我们发现，长途旅行大大减少。远程网络连接的削减导致了一个更加本地化的集群网络，并缓和了“小世界”效应。我们证明，这些结构性变化有相当大的影响传染病传播过程中的“平坦化”的流行曲线和延迟传播到地理上遥远的地区。
2020-12-18 physics.soc-ph q-bio.PE
Infection dynamics of COVID-19 virus under lockdown and reopening
受COVID-19的启发，我们开发并分析了一个简单的疾病在人群中传播的随机模型。我们跟踪感染者和重症患者的数量如何随着时间的推移而发展，以估计对医院系统的需求。为了控制这种需求，我们考虑了一类简单的减缓和重新开放社会的政策，并从几个不同的角度比较了它们在减缓病毒传播方面的效率。我们发现，为了避免医院系统不堪重负，政策必须实施严厉的封锁，或者必须迅速做出反应（或者两者兼而有之）。虽然迅速反应对所有人都有利，但只有当该国对重新开放有耐心，并且邻国协调其缓解努力时，严厉才能得到回报。我们的工作强调了关闭时果断行动的重要性，以及重新开放时邻国之间耐心和协调的重要性。
2020-12-30 physics.soc-ph q-bio.PE
Analytical solution of SEIR model describing the free spread of the COVID-19 pandemic
本文研究了SEIR（Susceptible Exposed Infectious Removed）传染病模型.其目的是为受COVID-19大流行影响的人群的峰值和渐近值及其特征时间提供简单的分析表达式。
2020-12-26 physics.soc-ph q-bio.PE
Evaluating the effect of city lock-down on controlling COVID-19 propagation through deep learning and network science models
COVID-19的特殊认识特征，如潜伏期长和通过无症状病例感染，对遏制其爆发提出了严峻挑战。截至2020年3月底，中国已成功控制COVID-19的内部传播，但代价高昂，包括震中武汉在内的大部分主要城市被封锁。由于在2020年2月中旬之前爆发数据的准确性较低，这对基于早期爆发的统计推断的研究构成了一个主要的技术问题。我们采用监督学习技术来识别和训练NP-Net-SIR模型，证明了在较差的数据质量条件下的鲁棒性。通过训练好的模型参数，分析了人口流动与跨区域传染联系强度之间的联系，并在此基础上进行了一组反事实分析，研究了封锁的必要性以及封锁与其他遏制措施之间的可替代性。我们的研究结果支持存在的非锁定类型的措施，可以达到相同的遏制结果的锁定，并提供了一个更灵活的遏制策略的设计有用的指导方针。
2020-09-04 physics.soc-ph q-bio.PE q-bio.QM
Examining the Global Spread of COVID-19 Misinformation
2019冠状病毒病全球大流行导致了基于健康、政治和阴谋的错误信息在网上泛滥。了解这种错误信息的影响范围和信念对于管理这场危机以及未来的危机至关重要。我们的全球调查结果发现，人们对与新冠肺炎相关的错误信息的看法令人不安，而且与那些主要从社交媒体上消费新闻的人存在相关性，在美国，这与政治倾向有很强的相关性。
2021-01-27 cs.SI physics.soc-ph
Particle modeling of the spreading of Coronavirus Disease (COVID-19)
截至二零二零年七月底，COVID-19疫情已感染超过一千七百万人，并已蔓延至全球几乎所有国家。对此，世界各地许多国家都采用了不同的方法来降低感染率，例如包括病例隔离、关闭学校和大学、禁止公共活动，以及大多数强制社交距离，包括地方和国家封锁。在我们的工作中，我们使用基于蒙特卡罗（MC）的算法来预测不同人口密度下的病毒感染率。我们使用三种不同的封锁模型和八种不同的约束组合来测试冠状病毒的传播，这使我们能够检查每个模型和约束的效率。在本文中，我们测试了三种不同的时间周期模式的无限制/锁定模式。该模型的主要预测是，每个时间周期包含至少10天锁定的无限制/锁定的循环时间表可以帮助控制病毒感染。特别是，这种模式在伴随着社交距离和对有症状的患者的完全隔离时降低了感染率。
2020-08-03 physics.soc-ph q-bio.PE
In Response to COVID-19: Configuration Model of the Epidemic Spreading
提出了一种基于无标度网络的传染病传播结构模型。我们得到的解析解描述了传染病传播的不稳定和稳定的动力学，并演示了如何这些制度可以在流行病的交换。我们将该模型应用于COVID-19病例，并展示了我们模型的预测特征。
2020-07-08 physics.soc-ph q-bio.PE q-bio.QM
Mathematical Modeling of the Spread of COVID-19 in Moscow and Russian Regions
为了模拟COVID-19冠状病毒在俄罗斯地区和莫斯科的传播，使用了描述病例数量增加的离散逻辑方程。为了检查数学模型的充分性，将模拟结果与冠状病毒在中国、一些欧洲和亚洲国家以及美国的传播进行了比较。在区间（01.03 - 08.04）内确定了俄罗斯、莫斯科和其他大区域的物流方程的参数。呈列不同国家及地区COVID-19感染人口增长率的比较分析。考虑了COVID-19冠状病毒在莫斯科和俄罗斯地区传播的各种情况。对于每一种情况，获得了每日新病例的曲线和病例总数增加的图表，并研究了每日感染传播的动态。确定了高峰时间、流行期、高峰感染人数及其增长情况。
2020-04-21 physics.soc-ph q-bio.PE
An empirical model on the dynamics of Covid-19 spread in human population
我们提出了一个数学模型来分析一个地区在持续的大流行中感染新冠病毒的总人数的时间演变。利用各国新冠病毒感染人口的现有数据，我们建立了一个模型，该模型可以成功跟踪这种传染病在给定波中从早期到饱和期的时间演变。它涉及一组可以从现有数据中提取的有效参数。利用这些参数，还可以预测疾病传播的未来轨迹。还提出了一组微分方程，其解是这些时间演化轨迹。使用这种形式主义，我们预测了一些国家的感染传播的未来时间演变轨迹，这些国家的COVID-19感染仍在迅速上升。
2020-08-13 physics.soc-ph q-bio.PE
A new fractional model in Caputo sense for studying the dynamics of COVID-19 spread in France
COVID-19疫情在全球迅速蔓延，几乎所有涉及法国的国家的公共卫生都面临沉重负担。在SARS-CoV-2传播后，法国总共收获了许多死亡病例。在本文中，我们开发了整数阶和分数阶模型，以研究法国医院和重症监护室（ICU）中COVID-19传播的动态。此外，本文旨在利用现有的实际数据，探讨预防措施对整个法国的COVID-19医院和ICU感染病例总数的影响。
2022-08-11 math.DS physics.soc-ph q-bio.PE
Is the epidemic spread related to GDP? Visualizing the distribution of COVID-19 in Chinese Mainland
于二零一九年十二月，中国湖北省武汉市发现COVID-19。SARS-CoV-2在中国春运期间迅速蔓延到整个中国大陆。截至二零二零年二月十九日，中国大陆已报告74 576例COVID-19确诊病例。什么样的城市确诊病例比较多，GDP和确诊病例有没有关系？在这项研究中，我们探索了新冠肺炎确诊病例与地级GDP之间的关系，发现两者之间呈正相关关系。这一发现警告说，当疫情爆发时，高GDP地区应该付出更多的预防和控制努力，因为它们比附近的其他地区有更大的风险。
2020-04-09 physics.soc-ph q-bio.PE
Hate multiverse spreads malicious COVID-19 content online beyond individual platform control
我们发现，恶意的COVID-19内容，包括仇恨言论、虚假信息和错误信息，利用在线仇恨的多元宇宙迅速传播，超出了任何个人社交媒体平台的控制。机器学习主题分析定量显示了在线仇恨社区如何将COVID-19武器化，主题迅速发展，内容变得越来越一致。我们的数学分析提供了一种广义形式的公共卫生R 0，预测了多宇宙范围内病毒传播的临界点，这就提出了新的政策选择，以减轻恶意COVID-19内容的全球传播，而不依赖于未来所有在线平台之间的协调。
2020-04-21 nlin.AO physics.pop-ph physics.soc-ph
Modeling COVID-19 Spread in Small Colleges
我们在一个网络上开发了一个基于代理的模型，旨在捕捉COVID-19在一个小型住宿学院中传播的独特特征。我们发现，一个安全的重新开放需要强有力的政策，从管理员结合学生的谨慎行为。强有力的政策包括每周一次的筛查测试，快速周转和减半的校园人口。学生的谨慎行为意味着戴口罩，减少社交，并出现COVID-19检测。我们还发现，全面的测试和口罩是最有效的单一干预措施，建筑物的封闭可能会导致其他地区的感染高峰，这取决于学生的行为，更快的测试结果返回显着减少总感染。
2020-08-21 physics.soc-ph q-bio.PE
COVID-19 pandemic control: balancing detection policy and lockdown intervention under ICU sustainability
我们在这里考虑扩展的SIR模型，包括最近COVID-19爆发的几个特征：特别是感染和康复的个体可以被检测到（+）或未被检测到（-），我们还整合了重症监护病房（ICU）的能力。我们的模型可以使用锁定和检测干预杠杆对控制流行动态的最佳政策进行易于处理的定量分析。基于COVID-19相关文献的参数规范，我们研究了各种数量对最优策略的敏感性，同时考虑到大流行的卫生和社会经济成本之间的微妙权衡，以及ICU的有限容量水平。我们将最佳封锁政策确定为分为4个连续阶段的干预措施：首先是快速而强有力的封锁干预措施，以阻止传染病的指数增长;第二是短暂的过渡阶段，以降低病毒的流行率;第三是长期的ICU能力和稳定的病毒流行率;最后是恢复正常的社会交往，病毒消失。因此，最佳方案避免了第二波感染，前提是锁定释放得足够慢。我们还提供最佳干预措施，增加ICU容量，并优化检测传染性和免疫个体的工作。每当引入大量资源来检测感染者时，可以释放社交距离的压力，而检测免疫个体的影响则较为温和。
2020-05-22 cs.SY eess.SY physics.soc-ph
Optimal Lockdown for Pandemic Control
作为控制传染病的常用策略，封锁将不可避免地削弱经济。持续的COVID-19大流行凸显了公共卫生和经济成本之间的权衡。一个最佳的锁定政策，以解决这个权衡是非常需要的。在这里，我们提出了一个数学框架的流行病控制，通过一个最佳的稳定非均匀封锁，我们的目标是减少经济活动尽可能少，同时减少感染人数在规定的速度。这个框架使我们能够有效地计算一般流行病传播模型的最优稳定封锁政策，包括经典的SIS/SIR/SEIR模型和新的COVID-19传播模型。我们通过分析县际旅行频率的公开数据来分析纽约州62个县的COVID-19传播模型，从而展示了这一框架的强大功能。我们发现，根据2020年4月的疫情状况，最佳的稳定封锁措施将使纽约市以外的经济活动比纽约市内部更严格地减少，尽管当时纽约市的疫情要普遍得多。这种违反直觉的结果凸显了疫情控制的复杂性，并为未来的封锁政策设计提供了启示。
2022-01-25 math.OC physics.soc-ph
Why a Mayor cannot Change the Course of a Pandemic -- An agent-based Study on the Covid Spread on Local Level in Germany
该研究利用基于智能体的模拟考察德国莱茵兰-普法尔茨州第二波疫情中地方发病率差异，发现其可完全由人口统计和统计效应解释，而非地方干预因素。
2023-12-18 physics.soc-ph q-bio.PE
Effect of population migration and punctuated lockdown on the spread of infectious diseases
本研究提出n城市人口迁移模型，分析放松封锁后人口迁移对疾病传播的影响，计算基本再生数，并引入间歇性封锁策略以模拟反复封锁，发现其能引发具有多峰的阻尼振荡行为，从而限制感染重新爆发。
2021-12-09 physics.soc-ph q-bio.PE
The Effect of Covid-19 Lockdown on Human Behaviour Using Analytical Hierarchy Process
本文使用层次分析法（AHP）这一多准则决策方法，通过在线收集的数据考察了COVID-19封锁对人类行为的影响，并对健康、家庭关系、生活方式、在线教育及屏幕时间等关键因素进行了排序和分析。
2025-01-18 cs.CY physics.soc-ph
Effect of lockdown interventions to control the COVID-19 epidemic in India
由新型冠状病毒SARS-CoV 2引起的大流行导致了危及生命的健康并发症，并对医疗保健系统造成了极大的压力。虽然预防性和明确的治疗性医疗干预措施尚未到位，但管理机构实施的物理隔离、检疫和严厉的社会措施等非药物干预措施可有效阻止感染在人群中的传播。在印度等人口稠密的国家，由于社会和行政管理的复杂性，封锁干预措施部分有效。使用详细的人口统计数据，我们提出了一个基于代理的模型来模仿人口的行为及其流动性特征，即使在干预下。我们展示了接触追踪政策的有效性，以及我们的模型如何有效地与测试效率的实证研究结果相关。我们还提出了各种封锁干预策略来缓解-使用感染的数量，有效繁殖率以及使用强化学习。我们的分析可以帮助评估这些干预措施的社会经济后果，并为政策制定者提供有用的想法和见解，以便更好地做出决策。
2020-09-07 cs.MA physics.soc-ph q-bio.PE
A SIR model assumption for the spread of COVID-19 in different communities
在本文中，我们研究了建模方法对新型COVID-19疾病传播引起的大流行的有效性，并开发了一个可验证的感染-清除（SIR）模型，该模型为研究其在社区内的传播提供了理论框架。在这里，该模型是基于著名的易感-感染-去除（SIR）模型，不同之处在于总人口本身没有定义或保持不变，易感个体的数量不会单调下降。相反，正如我们在这里所示，它可以在浪涌期间增加！特别是，我们调查了不同人群的时间演变，并监测了疾病在不同社区（以美国德克萨斯州和国家为代表）传播的各种重要参数。SIR模型可以为我们提供有关病毒在社区中传播的见解和预测，这是单靠记录数据无法做到的。我们的工作表明了通过我们在这里提出的SIR模型对COVID-19传播进行建模的重要性，因为它可以通过提供有价值的预测来帮助评估疾病的影响。我们的分析考虑了2020年1月至6月的数据，这一时期包含了实施严格控制措施之前和期间的数据。我们对2020年9月之前与COVID-19传播相关的各种参数以及易感、感染和移除人群的数量提出了预测。通过将记录的数据与我们的建模方法的数据进行比较，我们推断，如果实施适当的限制和强有力的政策以在疾病传播早期控制感染率，COVID-19的传播可以在所有考虑的社区得到控制。
2020-06-18 physics.soc-ph q-bio.PE
Impact of the Euro 2020 championship on the spread of COVID-19
像2020年欧洲足球锦标赛这样的大型活动提供了一个独特的机会来量化集会对COVID-19传播的影响，因为参与国家的比赛数量和日期类似于随机研究。使用贝叶斯模型和COVID-19数据中的性别失衡，我们将12个国家的840，000例（95% CI：[0.39M，1.26M]）COVID-19病例归因于冠军。影响非线性地依赖于初始发生率、再生数$R$和比赛次数。影响最大的是苏格兰和英格兰，那里每百万居民中有多达10，000例原发病例发生在与冠军有关的集会上。在比赛日，由比赛引起的平均$R$增加值为0.46 [0.18，0.75]，但重要比赛引起的增加值高达+3。总之，我们的研究结果提供了定量的见解，有助于判断和减轻大规模事件对流行病传播的影响。
2023-01-18 physics.soc-ph q-bio.PE
Social Isolation, Digital Connection: COVID-19's Impact on Twitter Ego Networks
本文基于覆盖 7 年活动的 Twitter 大规模数据集，研究 COVID-19 封锁对在线自我中心网络结构的影响，发现封锁期间网络规模增大、社交圈更丰富且关系更亲密，封锁放松后恢复至封锁前水平。
2024-07-01 cs.SI physics.soc-ph
The geographic spread of COVID-19 correlates with the structure of social networks as measured by Facebook
我们使用Facebook的汇总数据显示，COVID-19更有可能在社交网络连接更强的地区之间传播。与两个早期COVID-19“热点”（美国纽约州韦斯特切斯特县和意大利洛迪省）有更多社会联系的地区，到3月底通常有更多的COVID-19确诊病例。在控制了到热点的地理距离以及该地区的人口密度和人口统计数据之后，这些关系仍然存在。随着疫情在美国蔓延，一个县与最近的COVID-19病例和死亡人数的社会接近程度，可以预测未来的爆发，而不仅仅是物理接近程度和人口统计数据。部分由于其广泛的覆盖范围，社交联系数据为基于智能手机位置或在线搜索数据的测量提供了额外的预测能力。这些结果表明，来自在线社交网络的数据可能对流行病学家和其他希望预测COVID-19等传染病传播的人有用。
2020-12-11 cs.SI physics.soc-ph q-bio.PE
Exploring the roles of local mobility patterns, socioeconomic conditions, and lockdown policies in shaping the patterns of COVID-19 spread
Facultad de Ingeniería, Universidad del Desarrollo（发展大学工程学院）
该研究将COVID-19传播相关背景视为复杂适应系统，融合多类数据构建模型，探究流动、社会经济因素及封锁政策对传播异质性的影响，开发可通用的抗疫公共政策效果评估优化方法。
2021-03-05 cs.SI physics.soc-ph stat.AP
An age-structured SEIR model for COVID--19 incidence in Dublin, Ireland with framework for evaluating health intervention cost
全球为减轻COVID-19威胁而采取的策略主要涉及封锁措施，经济及社会成本巨大，并取得不同程度的成功。COVID-19变种的发病模式与年龄有很强的相关性，而限制性封锁措施与某些年龄组的负面心理健康结果有关。经济前景恶化也可能对某些年龄组的影响比对其他年龄组的影响更大。受此启发，我们提出了一个模型来描述COVID-19社区传播，其中包括特定年龄的社会互动的作用。通过一个灵活的参数化的年龄结构的确定性易感暴露传染性去除（SEIR）模型，我们提供了一种手段来表征不同形式的封锁，可能会影响特定的年龄组不同。社会互动通过年龄组到年龄组的接触矩阵来表示，这些矩阵可以使用现有数据进行训练，从而适应当地情况。这个框架很容易解释，适合描述反事实的情景，这可以帮助政策制定者在尽量减少发病率与预期抑制战略的成本平衡。我们的工作源于爱尔兰，我们使用爱尔兰政府机构从2020年2月29日至2021年1月31日收集的疾病监测数据。我们演示了如何爱尔兰封锁的情况下，可以使用建议的模型制定和显示结果的回顾性拟合发病率和前瞻性规划与相关的“如果/而不是”锁定反事实与不确定性量化。我们的公式是不可知的一个特定的区域，在其他地区的锁定策略可以直接编码使用此模型。我们所描述的方法通过一个可访问和易于使用的Web界面在网上公开提供。
2021-06-11 econ.GN physics.soc-ph q-bio.PE
Mean field game for modeling of COVID-19 spread
本文提出了一种可能的方法来模拟流行病的传播。该模型是基于平均场控制的独立群体，即可疑（S），感染（I），删除（R）和交叉免疫（C）。本文给出了求解该问题的数值算法，保证了种群在时间轴上的总质量守恒。数值实验展示了在新西伯利亚（俄罗斯）两个100天期间对COVID-19病毒传播进行建模的结果。
2021-12-23 cs.NA math.NA math.OC
Optimal COVID-19 infection spread under low temperature, dry air, and low UV radiation
由新型冠状病毒SARS-CoV-2引起的COVID-19大流行目前正在全球迅速蔓延，造成多人死亡和严重的经济损失。人们认为，炎热和潮湿的条件不利于新型冠状病毒，但由于与COVID-19数据相关的许多不确定性，这一点仍在争论中。在这里，我们提出了替代数据测试，以检查这种病毒在不同的气候条件下传播的偏好。我们发现，当温度为$\sim$ 10 $^\circ$ C，比湿度为$\sim$ 5 g/kg，紫外线（UV）辐射为$\sim$ 80 kJ/m $^2$时，该疾病显著（高于95%置信水平）更常见。相对湿度的显著性低于95%置信水平，未显示首选值。这些结果得到了全球和区域数据的支持，时间跨度为2020年1月至7月。COVID-19数据包括每日报告的新增病例和每日死亡病例;对于两者，人口规模要么被考虑，要么被忽略。
2020-10-06 physics.med-ph physics.soc-ph q-bio.PE
Age-Stratified COVID-19 Spread Analysis and Vaccination: A Multitype Random Network Approach
COVID-19导致严重疾病和死亡的风险随着年龄的增长而显著增加。因此，COVID-19动态的年龄分层建模是研究如何减少COVID-19住院和死亡率的关键。利用网络理论，我们建立了一个复杂接触网络中的年龄分层COVID-19流行病模型。具体来说，我们提出了一个扩展的标准SEIR（易感染-暴露-感染-移除）房室模型，称为年龄分层SEAHIR（易感染-暴露-无症状-住院-感染-移除）模型，以捕捉COVID-19在具有一般度分布的多类型随机网络上的传播。我们得出了几个关键的流行病学指标，然后提出了一个年龄分层的疫苗接种策略，以降低死亡率和住院率。通过大量的研究，我们发现疫苗接种优先顺序的结果取决于繁殖数R 0。具体而言，只有当R 0相对较高时，才应优先考虑老年人。如果正在进行的干预政策，如普遍掩蔽，可以将R 0抑制在相对较低的水平，优先考虑高传播年龄组（即，年龄在20-39岁的成年人）对降低死亡率和住院率最为有效。这些结论为基于年龄的COVID-19疫苗接种优先级提供了有用的建议。
2021-03-18 cs.SI physics.soc-ph q-bio.PE
Heterogeneous contact networks in COVID-19 spreading: the role of social deprivation
本文有两个主要目的。首先，我们使用疾病在网络上传播的理论，以个人接触为基础来研究COVID-19疫情-这些预测通常与通常使用的同质混合方法有很大不同。我们的第二个目标是再次以网络为基础，研究社会剥夺在这一流行病传播中的作用。我们选择加尔各答市作为案例研究，但断言，这样获得的见解是适用于各种各样的城市环境，人口稠密，社会不平等现象猖獗。我们的预测热点被发现是在很好的协议与目前被确定为经验的遏制区，并提供了一个有用的指导，确定潜在的关注领域。
2020-05-01 cond-mat.stat-mech physics.data-an physics.soc-ph
Covid-19 infodemic reveals new tipping point epidemiology and a revised $R$ formula
许多国家的政府都通过一个简单的信息成功控制了COVID-19的爆发：保持有效的“$R$号码”$R<1$，以防止广泛传染并使曲线变平。这就提出了一个问题，即类似的政策是否可以控制危险的在线信息、错误信息和虚假信息。在这里，我们使用来自COVID-19信息流行病的多平台数据显示，其在线传播相反包含一个不同的动态机制，其中独立平台内和跨平台的社区和用户偶尔在类似的时间尺度上形成临时的活跃链接。这使得可能已经灭绝的物质得以进化甚至变异。这使得已经成功传播仇恨和反疫苗接种材料的利基网络迅速成为全球超级传播者，讲述虚假的COVID-19治疗，反亚洲情绪和阴谋论。我们获得了新的工具，将这些耦合的社会病毒动力学，包括在线$R$，以帮助防止在所有规模的信息流行病传播：从跨平台传播（例如Facebook，4Chan）到在给定的亚群，社区或主题内传播。通过考虑类似的社会和病毒时间尺度，同样的数学理论也提供了其他非常规感染特征的定量描述，如金融市场中的谣言传播和学校中的感冒传播。
2020-08-19 cs.SI nlin.AO physics.soc-ph
COVID-19 Epidemic Study II: Phased Emergence From the Lockdown in Mumbai
自二零二零年三月二十五日开始的全国性封锁旨在抑制COVID-19疾病的传播，其后印度政府三次下令延长至二零二零年五月三十一日。延长封锁已产生重大社会和经济后果，可能已出现“封锁疲劳”。自二零二零年六月一日起分阶段重开。孟买是世界上最拥挤的城市之一，在印度所有城市中病例和死亡人数最多（截至2020年6月2日，41986例阳性病例和1368例死亡）。在接下来的几天里，重新开放将做出许多艰难的决定。在早期的IISc-TIFR报告中，我们提出了一个基于代理的城市规模模拟器（ABCS），以模拟孟买和班加罗尔等大都市的感染进展和传播。正如IISc-TIFR报告1中所讨论的，ABCS是一个有用的工具，可以在个人层面上模拟城市居民的互动，并捕捉非药物干预对感染传播的影响。在这份报告中，我们将重点放在孟买。使用我们的模拟器，我们考虑了从2020年6月1日开始的封锁中孟买分阶段出现的一些合理情景。其中包括分阶段逐步开放行业、部分开放公共交通等（模拟郊区列车中的感染传播）、隔离区对控制感染的影响，以及遵守各种干预措施（包括使用口罩、病例隔离、家庭隔离等）的作用。我们模拟结果的主要结论是，分阶段开放工作场所，保守估计，20%至33%的出勤率是重启经济活动的好方法，同时确保该市的医疗能力足以应对6月和7月可能增加的COVID-19患者数量。
2020-06-05 cs.OH physics.soc-ph q-bio.PE
Projections for COVID-19 spread in India and its worst affected five states using the Modified SEIRD and LSTM models
2019年的最后一站出现了一种名为COVID-19（2019冠状病毒病）的病毒。自从印度出现这种感染以来，政府实施了几项政策和限制措施，以遏制其在人口中的传播。随着时间的推移，这些限制被放宽，人们被建议自行采取预防措施。印度政府及时采取的这些决定在很大程度上帮助减缓了COVID-19的传播。尽管作出了这些决定，但这一流行病继续蔓延，因此，迫切需要规划和控制这一疾病的蔓延。这可以通过找到关于传播的未来预测来实现。全球的科学家正在努力估计COVID-19的未来增长。本文提出了一个修正的SEIRD（易感-暴露-死亡-死亡）模型，用于预测印度及其病例总数最高的五个邦的COVID-19感染情况。在该模型中，暴露区室包含可能无症状但具有传染性的个体。本文还使用了基于深度学习的长短期记忆（LSTM）模型来执行短期预测。从拟议的修正SEIRD模型获得的预测也与LSTM对未来30天的预测进行了比较。本文使用截至2020年8月15日的流行病学数据进行预测。这些预测将有助于安排足够的医疗基础设施，并提供适当的预防措施，以应对目前的流行病。印度政府实施的不同封锁措施的影响也被用于拟议的修正SEIRD模型的建模和分析中。本文所载结果将为未来制定控制COVID-19在印度传播的政策提供指引。
2020-09-07 cs.CY physics.soc-ph q-bio.PE
